Son y•llarda geni• bir çal••ma alan•na sahip olan parti tipi üretim planlama ve çizelgeleme problemi çözüm yakla••mlar• hakk•nda s•n•fland•rma yap•lm••t•r.
Literatürde parti tipi üretim planlama ve çizelgeleme problemi çözümü için genetik algoritma, benzetim tavlama, tabu arama, parçac•k sürüsü optimizasyonu, kar•nca-kolonisi optimizasyonu gibi ileri sezgisel metotlar• kullanan çözüm yakla••mlar• ile matematiksel programlama yakla••mlar• mevcuttur.
Sezgisel metodlar, problem için varsay•mlarda bulunarak, aday çözümler aras•ndan en iyi çözümü ararken, optimum çözümü her zaman garanti etmezler.
Literatürde sezgisel metodlarla planlama ve çizelgeleme problemlerini çözen baz• çal••malar •u •ekildedir: Patel vd. (1991) çok ürünlü sürekli olmayan bir üretim sistemi tasar•m• için tavlama benzetimi yakla••m• kullanm••lard•r. Ku ve Karimi (1991), s•n•rs•z depo kapasiteli parti tipi üretim çizelgeleme problemi için tavlama benzetimi modeli önermi•lerdir. Ayr•ca modellerini üç ayr• sezgisel modelle k•yaslam••lard•r. Pantel (1998) di•erleri, parti tipi üretim çizelgeleme için genetik algoritma temelli bir strateji önermi•tir. Raaymakers ve Hoogeveen (2000) , s•f•r bekleme stratejisi ile parti tipi üretim çizelgeleme problemi için tavlama benzetimi modeli önermi•lerdir. Jayaraman vd. (2000), Shelokar vd. (2004) ve Heinonen ve Pettersson (2007), kar•nca kolonisi algoritmas• metodu kullanm••lard•r. Jou (2005) üretim çizelgeleme problemi için genetik algoritmaya dayal• özel bir algoritma önermi•tir. He ve Hui (2007, 2010), çal••malar•nda parti tipi üretim çizelgeleme için genetik algoritma çe•itli varyasyonlar•n• kullanm••lard•r.
Planlama ve çizelgeleme problemlerini çözen di•er bir yakla••m matematiksel modellemeye dayal• çözüm yakla••m•d•r. Bu yakla••m problemin optimal çözüm garantisini sunmakta fakat hesaplama zaman al•c• olmaktad•r. Bu yakla••m• kullanarak birçok model geli•tirilmi•tir fakat bu modelleri birbirinden ay•ran en önemli unsur çözüm süresidir. Matematiksel model yakla••mlar• kesikli ve sürekli zaman modelleri olarak ikiye ayr•l•r. Kesikli zaman modelleri kendi içinde uniform ve uniform olmayan •eklinde ikiye ayr•l•r. Uniformda planlama zaman• e•it aral•klara bölünmekte ve bu aral•klar•n süresi bilinmektedir. Di•erinde ise süreler e•it de•ildir. Bu çal••mada sürekli zaman yakla••m• ile matematiksel model geli•tirilmeye çal•••lm••t•r.
Literatürde sürekli zaman formülasyonlar•, zaman aral••• temelli (slot based), olay temelli ve öncelik temelli olmak üzere s•n•fland•r•lm••t•r. Literatürde sürekli zamanl• üretim çizelgeleme problemini ele alan çal••malar •u •ekildedir:
Sahinidis vd. (1989), kimya endüstrisinde uzun dönem planlama için bir optimizasyon modeli geli•tirmi•lerdir. Modelin etkinli•ini göstermek için dal s•n•r algoritmas•, kesme düzlemleri gibi yakla••mlar kullan•larak model çözülmü• ve çe•itli senaryolar denenmi•tir.
Pinto ve Grossman (1995), çok a•amal•, çok ürünlü, y•••n tipi k•sa dönem üretim çizelgeleme problemi için bir karma tamsay•l• optimizasyon modeli geli•tirmi•lerdir.
Lin vd. (2002), çok ürünlü, y•••n tipi üretim tesisinde üretim çizelgeleme problemini çözmü•lerdir. Burada tüm çizelgeleme zaman•n• küçük zaman dilimlerine ay•rm••lar bunu yaparken bir matematiksel modelden yararlanm••lard•r. Ayr•ca geli•tirdikleri ara yüz ekran•yla 35 farkl• üründe modelin etkinli•ini göstermeye çal••m••lard•r.
Aksen vd. (2003), deterministik kapasite k•s•ts•z planlama problemi için Wagner-Whitin algoritmas•n•n bir kâr maksimizasyonu versiyonunu olu•turmu•lard•r. Çal••mada kar••lanamayan talepler di•er zamanlarda telafi edilememekte ve kay•p sat••lar olu•maktad•r.
Maravelias ve Grossman (2003) sürekli zamanl• y•••n tipi üretim ortam•nda k•sa dönem üretim çizelgeleme problemi için bir karma tamsay•l• optimizasyon model geli•tirmi•lerdir. Model parti büyüklükleri, i•lem süreleri, çe•itli depolama politikalar•, lot kar••t•rma/bölme ve kal•p de•i•tirme zaman• gibi de•i•kenler içermektedir. Amaç uygun çizelgeleme durumunda kar• maksimize etmektir.
Berning vd. (2004), kimya sektöründe tedarik zinciri ve planlama optimizasyonunu entegrasyonu ile ilgili metodoloji ve Genetik Algoritma ile çözülen bir model önermi•lerdir. Bununla birlikte mü•teri memnuniyeti ve de•i•en üretim durumlar•na uyum ve esneklik artm••t•r.
Kallrath (2005), petrokimya endüstrisinde planlama ve tasar•m problemini karma tamsay•l• programlama modeli geli•tirerek çözmü•lerdir. Çal••malar•nda ürünlerin miad•n• da göz önüne alm••lard•r. Sundaramoorthy ve Karimi(2005), kimyasal
üretim yapan bir tesiste k•sa dönem çizelgeleme için karma tamsay•l• programlama kullanarak s•ra ba••ml• sürekli zamanl• model geli•tirmi•lerdir. Kurulan bu modelde amaç maksimum gelir ve minimum tamamlanma zaman•n•n ayn• anda sa•lanmas•d•r. Büyük M sabitlerinin kullan•lmad••• bu model, literatürdeki di•er modellerle k•yaslanm•• ve oldukça h•zl• sonuç olu•turdu•u ortaya konmu•tur.
Castro ve Grossman (2006), tek a•amal• y•••n tipi k•sa dönem üretim çizelgeleme problemi için bir karma tamsay•l• optimizasyon modeli geli•tirmi•lerdir. Modelde amaç hem toplam maliyetin hem de toplam erken teslimatlar•n minimizasyonudur. Literatürdeki di•er hibrit modellerle k•yasland•••nda modelin daha etkin sonuçlar verdi•inden bahsedilmektedir.
Ponsich vd. (2007), talebin belirsiz oldu•u kitle üretimi yapan bir firmada beklenen kar de•erini genetik algoritma ile maksimize eden bir model önermi•lerdir.
Erdirik-Dogan ve Grossman (2007), bir sürekli üretim tesisinde tek a•amal•, çok ürünlü üretim planlama ve çizelgeleme problemini çok periyodlu karma tamsay•l• do•rusal programlama modeli geli•tirerek çözmü•lerdir.
Miguel vd. (2012) Karma Tamsay•l• Do•rusal Programlama (MILP) modeliyle rekabetçi bir ortamda tedarik zinciri problemini optimize etmeye çal•••rken Oyun Teorisi modelini ele alm••lard•r hem firma yarar•na hem de mü•teri yarar•na olmak üzere iki amaç üzerine kurgulanan örnek vaka çal••mas•yla tedarik zinciri optimize edilmi•tir.
Fumero vd. (2012), çok a•amal•, çok ürünlü, y•••n tipi üretim planlama ve çizelgeleme problemi için yeni bir model geli•tirmi•lerdir. Performans ölçüsü olarak çevrim süresinin minimizasyonu belirlenmi•tir. Önerilen modelle, ayn• anda üretilecek partilerin say•s•n• ve boyutunu, her a•amada makineler ve bunlar•n i•lem süreleri, kampanya süreleri ve bu sürelerde talepleri kar••lama durumlar• hesaplanm••t•r.
•laç üretiminde tüm tedarik zincirini planlamak için ele al•nmas• gereken ba•l•ca konular hammadde tedari•i, üretim planlama, stok yönetimi, at•k yönetimi, malzeme miad• izleme, malzeme transferleri ve süreleridir. Burada ürün miad•n•n ayr• bir önemi vard•r. Mü•teriye, kullan•ma uygun, henüz miad• dolmam••, mümkünse en yeni üretilmi• ürünü ula•t•rmak gerekir. Belli bir miada sahip ilaç d•••nda da ürünler mevcuttur. Özellikle yiyecek içecek endüstrisinde bunun örneklerini görmekteyiz. Bunlar bozulabilen ürünler •eklinde adland•r•lmaktad•r.
Literatürde bozulabilen ürün üretim konusunda haz•rlanm•• ba•l•ca çal••malar •u •ekildedir.
Gupta ve Karimi (2003), kimya endüstrisinde gerçek proseslerin optimizasyonu için iki a•amal• karma tamsay•l• do•rusal programlama modeli önermi•lerdir. Birinci a•amada talepleri kar••lamak için optimal lotlar belirlenirken ikinci a•amada bunlar çizelgelenmektedir. Model ile haz•rl•k zamanlar• ve gecikmeler minimize edilmektedir.
Janak vd. (2008), y•••n tipi üretim ortam•nda, k•sa ve orta dönemli, büyük boyutlu üretim çizelgeleme problemini karma tamsay•l• do•rusal programlama ile optimize etmeye çal••m••lard•r.
Liu vd. (2008), tek a•amal•, çok ürünlü, tek makineli, sürekli üretim sisteminde orta dönem planlama problemini ele alm••lard•r. Bir üründen di•erine geçerken s•ra ba••ml• de•i•im zamanlar• ve maliyet ortaya ç•kar. Klasik zaman aral•kl• modellerdeki çözüm süresi uzunlu•unu a•mak için gezgin sat•c• problemi temelli bir karma tamsay•l• programlama modeli geli•tirilmi•tir. Geli•tirilen model literatürdeki di•er modellerle k•yaslanarak do•rulu•u gösterilmeye çal•••lm••t•r.
Wang vd. (2009) bozulabilen ürün üretiminde envanter izlenimini sa•layan ve kaliteli ürünü mü•teriye teslim ederken en çok kar eden bir optimizasyon modeli geli•tirmi•lerdir.
Amorim vd. (2012), bozulabilen ürünler için çok amac• üretim ve da••t•m problemini ele alm••lard•r. Bozulabilen ürünlerin tazeli•inin önemi çok büyüktür. Sabit miada sahip olan ürünlerin sat••lar• karma tamsay•l• do•rusal programlama ile modellenmi• ve tazeli•in ekonomi üzerine etkisinin ne denli önemli oldu•u ispatlanm••t•r.
Koçer ve Yalç•n (2013), bozulabilir envanter problemi ile ilgili literatür ara•t•rmas• yapm••lard•r bozulabilir envanter probleminin genel yap•s• ve dinamikleri k•saca aç•klanm••, problemin hangi yönleri ile farkl•l•k gösterece•i incelenmi•tir. Ayr•ca bozulabilir envanter probleminin çözümüne önemli katk•lar yapm•• olan çal••malar ara•t•r•lm••, uygun bir s•n•flamaya göre bu çal••malar k•saca sunulmu•tur, bozulabilir envanter probleminin genel yap•s• ve dinamikleri k•saca aç•klanm••, problemin hangi yönleri ile farkl•l•k gösterece•i incelenmi•tir. Ayr•ca bozulabilir envanter probleminin çözümüne önemli katk•lar yapm•• olan çal••malar ara•t•r•lm••, uygun bir s•n•flamaya göre bu çal••malar k•saca sunulmu•tur.
Bilgen ve Çelebi (2013), süt ürünleri tedarik zincirinde, bütünle•ik üretim çizelgeleme ve da••t•m planlama problemini hibrit modelle optimize etmi•lerdir. Hibrit modelleme yakla••m• gerçek dinamik sistem davran••• ke•fetmek için
uygulanm••t•r. Çal••ma zaman• dinamik bir faktör olarak kabul edilmi• ve iteratif simülasyon ve optimizasyon modeli sonuçlar•na göre ayarlanm••t•r.
Pauls-Worm vd. (2013), dinamik talep ve hizmet seviyesi k•s•tlar• alt•nda bozulabilen ürün envanter kontrol problemini çözmü•lerdir.
Coelho (2013), bozulabilir ürünlerin optimal da••t•m•n• konu alan çal••malar•nda, dal s•n•r algoritmas• ile karma tamsay•l• programlama ile çözdükleri envanter probleminde amaç en çok kar• elde etmektir.
2.2. •laç Üretiminde Planlama ve Çizelgeleme
"laç insanlarda hastal•klardan korunma, tan•, tedavi veya bir fonksiyonun düzeltilmesi ya da insan yarar•na de•i•tirilmesi için kullan•lan, genellikle bir veya
birden fazla yard•mc• madde ile formüle edilmi• etkin madde veya maddeleri içeren bitmi• dozaj •eklidir (DPT, 2001).
Bir ticari faaliyet olmakla birlikte, kamu sa!l•!•n• yak•ndan ilgilendiren ilaç sektörü di!er piyasalardan farkl• olarak devletin ilgi ve müdahalesine daha aç•kt•r. Bu yönüyle, genelde sa!l•k sektöründe, özelde ise ilaç sektörü ve eczac•l•k piyasas•nda tam rekabet •artlar•n•n bulunmad•!• ve eksik rekabet ko•ullar•n•n hakim oldu!u kabul edilmektedir (Kurtulmu•, 1998).
"laç piyasas• sa!l•k sektörünün önemli bir parças•d•r. Son on y•lda, ilaç sektörünün ölüm ve hastal•k oranlar•n•n azalmas•nda önemli bir yere sahip oldu!unu ortaya koyan çok say•da çal••ma mevcuttur. Sa!l•k sistemlerinde genellikle ilaç harcamalar• kamu taraf•ndan finanse edilmektedir, devletler bunu yaparken ço!unlukla vergilerden yararlan•rlar dolay•s•yla ilaç harcamalar•n•n maliyetini toplum ad•na devlet üstlenmektedir (Özsar•, 2000).
Sa!l•k hizmetleri piyasas•nda, di!er hizmet alanlar•nda oldu!u gibi ilaçta da, talebin belirleyicisi genellikle doktorlar ve sosyal sigorta kurumlar•d•r. Dolay•s•yla, hastan•n yanl•• yönlendirilmesi ve a••r• tüketime zorlanmas• söz konusu olacakt•r. Bunun önüne geçmenin yolu, sosyal güvenlik sistemini tek çat• alt•nda toplamak, ilaç piyasas•n•n i•leyi•ini uluslararas• standartlar•n geçerli oldu!u kurallarla donatmak, devletin denetim görevini yerine getirmesine yard•mc• olmak, fiyatlar•n •effafl•!•n• sa!lamak, tüketicilerin ilaç tüketimi konusunda bilinçlenmesini ve hastalar•n belli oranda katk• pay• ödemesini sa!lamakt•r (Tatar, 2006).
Planlamada parti / kampanya çizelgeleme, kaynak tahsisleri, yeni ürün giri•leri, bak•m, stok yönetimi, malzeme transferleri ve ürün geçi•indeki de!i•imler ile ilgili kararlar yer al•r ve uzun zaman dilimlerini kapsar. Planlama bir •irketin operasyonlar•na daha stratejik perspektif vermekteyken, çizelgeleme planlamay• detayland•rmak için kullan•lmaktad•r. Etkin planlar için büyük çabalar harcanmaktad•r. Planlama ve çizelgeleme problemi tüm planlama dönemi için
ayr•nt•l• çizelgeleme formülasyonu ile çözülebilir. Fakat büyük boyutlu problemler için çözüm zorla••r.
Optimal üretim plan•, temizlik ve haz•rl•k zamanlar•, tesis bak•m zamanlar•, test ve yeni kimyasal maddeler üretimini, kaynak tahsislerini insan gücü kullan•m• ve envanter yönetimini entegre bir •ekilde planlamal•d•r. Bu durum birden fazla departman ile tekrarl• isti•areler ile operasyonel yap•land•rmalar•, süreç k•s•tlamalar•, istatistiksel kombinasyonlar• ve i• senaryolar•n•n de!erlendiren bir üretim planlama personeli gerektirir.
Planlamada envanter yönetiminin de önemi büyüktür. "laç üretiminde küresel piyasada rekabet etmek için etkin stok kontrol politikalar• geli•tirmek gerekir. Tedarik zincirlerinde stok kontrolü mü•teri talepleri kar••lan•rken ne kadar miktar•n, hangi konumlarda ne kadar süre ile elde tutulmas•n• belirleyen, tedarik kayna!•ndan son kullan•c•ya kadar birlikte çal••an organizasyonlar•n stoklar•n•n planlanmas• ve kontrolü için kullan•lan entegre bir yap•d•r.
Firmalar mü•teri taleplerini en yüksek düzeyde kar••lay•p, yok satma veya sipari• erteleme durumu ile kar••la•mamak için belirlemi• oldu!u güvenli bir düzeyin alt•na dü•meyecek •ekilde ürün stoklama yolunu tercih etmektedirler. Bu •ekilde ürünleri elde tutmaya kar••l•k gelen yüksek miktarda maliyetlerle kar•• kar••ya kalmaktad•rlar. Maliyetlerin a•a!• çekilmesi için elde tutulan miktarlar•n azalt•lmas• ile firmalar, yüksek de!i•kenlik gösteren talep, teslimat aksamalar•, ürün hatalar• gibi ko•ullar sonucunda talepleri kar••layamamakta ve hizmet seviyelerinde dü•ü•ler ya•amaktad•rlar (Ru, 2010).
Mü•teri hizmet seviyesinin art•r•lmas• için geli•en internet teknolojileriyle tüm tedarik a!• boyunca bilgi payla••m•n•n önemi gündeme gelmi•tir. Tedarik zincirlerinde bilgi payla••m• süreci, firma karl•l•!•n• art•rmas•, tedarik zinciri koordinasyonunu kolayla•t•rmas•, hizmet seviyelerini yükseltmesi, temin sürelerini azaltmas•, üretim ve da!•t•m çizelgelerinin verimlili!ini art•rmas• ve hata ürün miktarlar•n• dü•ürmesi gibi birçok faydan•n yan• s•ra baz• riskleri de beraberinde
getirmektedir. Bu sürecin yüksek maliyet gerektirmesi, kademe elemanlar• aras•ndaki ba••ml•l•k oran•n• artt•rmas•, payla••lan bilginin bozulmu•, güvenilmez veya eksik olma olas•l••• ve yüksek seviyede güven ihtiyac• gibi risk faktörlerini de beraberinde getirmektedir (Çall•, 2007).
Ülkemizde ve dünyada ilaç sektöründe yap•lan çal••malar genellikle fiyatland•rma, ilaç harcamalar•, geri ödeme politikalar• konular•ndad•r.
Torlak (1991), ilaç sektöründe pazarlama kontrolüne yönelik yapm•• oldu•u model çal••mas•nda girdi olarak çevresel faktörleri kullanm••; bunlar• da i•letme içi ve i•letme d••• olarak s•n•fland•rm••t•r. #•letme d••• çevresel faktörleri: ekonomik çevre, sosyal çevre, kültürel çevre, siyasal çevre ve rekabet çevresi; i•letme içi çevresel faktörleri de pazar hakimiyeti, finansal güç, pazarlama organizasyonunun geni•li•i ve bölümler aras• ili•kiler olarak tan•mlam••t•r.
Papageorgiou vd. (2001), ilaç tedarik zincirinde ürün geli•tirme, tan•t•m stratejisi, kapasite planlama ve yat•r•m stratejisi gibi stratejik alanlardaki problemleri karma tam say•l• programlama ile optimize etmeye çal••m••lard•r.
Maravelias ve Grossman (2001), ilaç üretiminde kaynak k•s•tl• çizelgeleme için e•zamanl• optimizasyon problemini ele alm••lard•r. Çok periyotlu problemde beklenen net •imdiki de•eri maksimize eden karma tam say•l• programlama modeli önermi•lerdir.
Connor vd. (2003), ekonometrik model kullanarak global bazda, ülke ve tedavi gruplar•na göre uzun dönemli tahminler geli•tirmi•lerdir. #laç endüstrisinin gelece•ini etkileyen konular olarak; ekonomik çevre, politik çevre, sa•l•k, bak•m ko•ullar•, fiyatland•rma, ruhsatland•rma çal••malar•n• dikkate alm••lard•r.
#laç tedarik zinciri yönetimiyle alakal• ülkemizde yap•lan çal••malar k•s•tl•d•r. Oysa üretici firmalar•n maliyetlerini dü•ürecek aç•k veren d•• piyasada varl•klar•n•
sürdürebilecek politikalar geli•tirmeye ihtiyaç vard•r. Literatürde ilaç tedarik zinciri yönetimiyle alakal• uluslararas• alanda yap•lan çal••malar ise •u •ekilde s•ralanabilir:
Shah (2004), çal••mas•nda ilaç tedarik zinciri için anahtar konular• ve optimizasyon stratejilerini belirlemi•tir. Çal••mada ilaç hammadde üretiminden mü•teriye ula•t•r•lana kadar tüm a•amalar•n•n tedarikinden bahsedilerek, mü•teri hizmet seviyesinin nas•l art•r•laca#•na dair önerilerde bulunmu•tur ve ilaç tedarik zincirlerinde optimizasyon için anahtar konular ve stratejileri ortaya koymu•tur. Burada tedarik zincirinden kas•t malzemelerin da#•t•m•ndan ibaret olan basit dönü•üm de#ildir. Son y•llarda kapasite ve üretim planlama ile yenilik ve geli•im süreçlerini yönetme önem kazanm••t•r ve "de!er zinciri" bak•• aç•s• geli•mi•tir. Yazar çal••mas•nda ilaç tedarik zincirine katma de!er sa!layan her süreci tek tek analiz edip önemli hususlar• vurgulam••t•r.
Sundaramoorthy ve Karimi (2004), fason üretim ve yeni ürün üretimi ba•lang•c• olan bir ilaç tedarik zincirinde, de!i•en üretim planlar•na kar•• esnek ve talep kar••lama oran•n• art•ran bir yakla••m içeren karma tam say•l• do!rusal programlama modeli geli•tirmi•lerdir.
Levis ve Papageorgiou (2004), çok tesisli bir ilaç endüstrisinde, belirsizlik alt•nda, uzun dönemli kapasite planlama için bir matematiksel model önermi•lerdir. Model daha önce Papageorgiou (2001)’un önerdi!i modelin geli•tirilmi• bir halidir. Tüm problem iki a•amal• karma tam say•l• do!rusal programlama modeli ile formüle edilmi•tir. Daha sonra büyük boyutlu problemlerin çözümü için hiyerar•ik bir algoritma geli•tirmi•lerdir. Önerilen metodun do!rulu!u çe•itli örneklerle k•yaslanarak gösterilmi•tir.
Amaroa ve Povoa (2008), tersine ak••l• tedarik zinciri yönetiminde planlama ve çizelgeleme yakla••m• geli•tirmi•lerdir. Geli•tirilen bu model gerçek bir ilaç firmas•nda uygulanm••t•r. Optimal üretim planlar•n•n elde edildi!i bu çal••mada, modelin ekonomik getirileri tedarik zinciri operasyonlar• ve mü•teri memnuniyeti aç•s•ndan ayr• ayr• analiz edilmi•tir.
Lakhdar ve Papageorgiou (2008), çal••malar•nda biofarmasötik imalat•nda belirsizlik alt•nda orta vadeli üretim planlama için bir matematiksel programlama yakla••m• sunmu•tur. Çal••mada belirsizlik fermantasyon konsantrasyonu oranlar•ndad•r. Tüm problem iki a•amal• çok senaryolu planlama problemi olarak ele al•nm••t•r ve daha büyük boyuttaki problemler için bir algoritma önerilmi•tir. Önerilen çözüm yakla••m• uygulanabilirli!i aç•klay•c• örnekler bir dizi ile gösterilmi•tir.
Sun ve Xue (2009), bir ilaç fabrikas•nda optimal üretim çizelgeleme problemini çözmek için sezgisel algoritma ile birlikte karma tam say•l• programlama modeli geli•tirmi•lerdir. Amaç optimum çizelgeyi sa!layan, minimum ak•• zaman• ve minimum geç kalma olan üretim planlama modelini çözmektir.
Brandenburg ve Tölle (2009), çal••malar•nda amaç üretim ve envanter maliyetlerini dü•ürürken ayn• zamanda üretim kapasitelerini ve servis seviyelerini art•rmak olan bir planlama modeli geli•tirmi•lerdir.
Venditti (2010), çal••mas•nda ilaç endüstrisinde, geli•tirdi!i sezgisel algoritmayla üretim çizelgeleme yapm••t•r.
Yu vd. (2010), Çin'de ilaç tedarik zinciri hakk•nda güncel konular ve sa!l•k sistemi reformu için etkileri alan•nda de!erlendirme yapan bir çal••ma yapm••lard•r.
Baboli vd. (2011), ilaç tedarik zincirine merkezi ve merkezi olmayan •eklinde iki ayr• yakla••mla bakm••lar ve bu yakla••mlar• matematiksel modellemi•lerdir. Merkezi olan metodun maliyetleri daha fazla dü•ürdü!üne karar vermi•lerdir.
Sousa vd. (2011), ilaç sektöründe dinamik tahsis ve planlama problemini farkl• üretim, da!•t•m maliyetleri ve farkl• vergi oranlar•yla hesaplam••lar ve firman•n net gelirinin maksimize etmi•lerdir.
Susarla ve Karimi (2011), ilaç üretiminde bütünle•ik üretim planlama ve kaynak kullan•m• konusunda yapt•klar• çal••mada geli•tirdikleri matematiksel modelde s•ra
ba••ml• kal•p de•i•imi, kaynak kullan•mlar•, bak•m çizelgeleri, güvenlik stoklar•n• dikkate alan envanter profillerini ve yeni ürün giri•lerini de göz önüne alm••lard•r. Bu yakla••m• do•rulamak için, planlama zaman• iki y•la kadar olan çe•itli senaryolar denemi•lerdir.
Stadtler (2011), çal••mas•nda ilaç üretiminde tek makine çizelgeleme problemini karma tam say•l• programlama ile çözmü•tür. Modelinin gerçek hayat problemine uygulay•p test etmi•tir.
Stefansson vd. (2011), ilaç endüstrisinde büyük boyutlu çizelgeleme problemlerini çözen kesikli ve sürekli zamanl• matematiksel modeller geli•tirmi•lerdir.
Pacciarelli ve D’Ariano (2012), ilaç üretiminde paketleme proseslerinde RFID teknoloji kullan•m•n•n, yap•lan üretim çizelgesine olan güvenilirli•i art•rmaya yönelik bir çal••ma gerçekle•tirmi•lerdir.
Susarla ve Karimi (2012), dünyan•n birden çok yerinde üretim faaliyetinde bulunan ilaç üreticisi için bütünle•ik tedarik zinciri planlamas•n• konu alan çal••malar•nda tedarik zinciri maliyetlerini optimize etmeye çal••m••lard•r. Modelin do•rulu•unu birden fazla örnek ile kan•tlamaya çal••m••lard•r.
Lamothe (2012), •laç ve kozmetik sektöründe kalite kontrol zamanlar•n•n ürün teslim zamanlar•n• olumsuz etkiledi•inden yola ç•karak, tavlama benzetimi metoduyla toplam geç teslimi minimize eden bir üretim çizelgeleme modeli geli•tirmi•lerdir.
Kelle vd. (2012), bir hastanedeki ilaç tedarik zincirini karma tam say•l• programlama yakla••m•yla düzenlemeye çal••m••lard•r, Yeniden talep noktas• vb. konular• otomatik talep sistemiyle çözüm getirmi• ve hastanedeki ilaç gereksinimlerini bir planla düzenlemi•lerdir.
Chen (2012), çal••mas•nda ilaç klinik ara•t•rmalar•n•n tedarik zincirini bütün maliyetleri dü•ürüp mü•teri hizmet seviyesini art•r•rken benzetim tabanl• bir
optimizasyon tekni•i kullanarak, üretim ve da••t•m faaliyetlerini MILP ile planlam••t•r.
Kabra vd. (2013), biyo ilaç üretiminde çok a•amal• çok ürünlü prosesleri uzun dönemli olarak karma tam say•l• programlama kullanarak planlam••lard•r. Kulland•klar• model Shaik and Floudas •n geli•tirdi•i modele ait k•s•tlara baz• yeni sabitler eklenerek elde edilmi•tir.
Kelle vd. (2012), bir hastanedeki ilaç tedarik zinciri ve envanter çözümleri ile alakal•